本研究探讨了鸟瞩视图分割模型在自主驾驶中的泛化性能，强调跨数据集评估的重要性。通过多数据集训练，研究显示不同传感器对模型表现的影响，从而提升模型适应性和分割可靠性。

本文介绍了基于对比学习的框架ConGaze，以无监督的方式跨主体学习凝视感知表示。实验证明ConGaze在公共凝视估计数据集上胜过现有无监督学习解决方案，并在跨数据集评估中相对于基于监督学习的模型取得了显著改进。